Pandas 2.1.4版本中替代mad()的均值绝对偏差方法咨询

Pandas 2.0及以上版本已移除用于计算**均值绝对偏差（Mean Absolute Deviation）**的mad()方法，你可以通过以下几种方式实现相同功能：

• 基于Pandas/NumPy手动实现
  这是最直接的方案，完全复用Pandas基础操作，和旧版mad()的计算逻辑完全一致：

  # 针对DataFrame（按列计算）
  df.abs().sub(df.mean()).mean()
  
  # 针对Series
  s.abs().sub(s.mean()).mean()
  

  逻辑拆解：先计算每个元素与列均值的差值，取绝对值后再求平均值。

• 使用SciPy统计函数
  若你的项目已依赖SciPy，可以借助scipy.stats.mad，但注意该函数默认计算的是中位数绝对偏差，需指定center=np.mean来匹配旧版mad()的行为：

  import numpy as np
  from scipy import stats
  
  # 针对Series
  stats.mad(s, center=np.mean)
  
  # 针对DataFrame（按列计算）
  df.apply(lambda col: stats.mad(col, center=np.mean))
  

Pandas移除mad()的核心原因是为了避免命名混淆——统计领域中"mad"更多指代中位数绝对偏差，官方因此推荐开发者手动实现均值绝对偏差，或通过SciPy明确指定计算逻辑。

内容的提问来源于stack exchange，提问作者Igor Galvao Bezerra